🎯 Рост реальных располагаемых доходов за квартал до президентских выборов и электоральный перевес

Электоральный перевес или electoral margin = доля голосов за занимающего пост кандидата - доля голосов за альтернативного кандидата с max долей голосов

@c0ldness

🎯 С т.з. теории экономического голосования фон для этого президентаского цикла был наиболее благоприятным с 2008 года для действующего кандидата

Рост реальных располагаемых доходов в 4кв года предшествующего выборам:

• 4кв11: 1.5% г/г

• 4кв17: -0.2% г/г

• 4кв23: +8.0% г/г

* на картинке сдвиг на +1кв

@c0ldness

🕊 Сколько дает 1пп рост реальных доходов с т.з. электорального результата?

~3.0 процентных пункта электорального перевеса

import statsmodels.api as sm

Y = df_co['Vote']
X = df_co[['YY','Post2012']]
X = sm.add_constant(X)
model = sm.OLS(Y,X)
results = model.fit()
results.params

@c0ldness

😇 Как менялась президентская повестка последние 25 лет?

Предпочтения руководителей государств имеют значения - именно эти предпочтения задают распределение ресурсов (рабочих часов/капитала и т.п.) между отраслями и видами деятельности

Мы идентифицируем распределение приоритетов президентов с 1999 по 2024 на основе текстов посланий Федеральному Собранию

Оценки показывают относительно последовательный тренд в смещении внимания послания с проблем федерализма (например, регионального протекционизма)/внутренних институтов к внутренней экономике/демографии и ОПК

@c0ldness

🐍 Как изменились приоритеты президентской повестки в 2024 против 2000?

Если сравить структуру в разрезе тем первого послания 2000 и послания 2024, то наибольший рост доли у образования и науки

По сравнению с 2000 в послании 2024 более трети посвящено инициативам в области образования и науки - на ~20пп больше, чем в первом послании

@c0ldness

😇 Как оценить смещение экономической повестки/приоритетов?

Мы опираемся на анализ текстов посланий с помощью Top2Vec + эмбедингов Universal Sentence Encoder

Алгоритм выглядит следующим образом:

• Разбираем тексты посланий на параграфы, удаляем те, что короче 10 слов: "Добрый день", "Спасибо за внимание" и т.п.

• Обрабатываем параграфы - удаляем пуктуацию, стоп-слова и т.п.

• Кластеризуем параграфы с помощью Top2Vec

• Даем имена тематеческим кластерам на основе их основных слов - например, "образование": {"образовательныи", "школа", "образование", "вуз", "школьник", ... "учитель", "ученик", "обучение", "выпускник", "преподаватель", "академия", "поколение", "учиться", "формироваться", "развивать"}

🦅 Основной код:

from top2vec import Top2Vec

np.random.seed(42)
topic_model = Top2Vec(
    li_doc
  , embedding_model="universal-sentence-encoder-multilingual-large"
    , speed="deep-learn"
    , use_embedding_model_tokenizer  = True
    , embedding_model_path= EMBEDMODELPATH
    , verbose = False
    , min_count = 15
    , umap_args = {'random_state':42}
    , hdbscan_args = {'min_cluster_size': 25,'metric': 'euclidean',
        'cluster_selection_method': 'eom', 'approx_min_span_tree':False}
    , index_topics=True
    )

@c0ldness

😇 Реальные располагаемые доходы > опросы

• Электоральный результат неплохо соответсвует данным по располагаемым доходам при устойчивых оценках параметров

• Относительная устойчивость зависимости говорит о том, что реальные располагаемые доходы могут быть неплохим прокси и между пиками электоральных циклов

@c0ldness

🌱 Это наш способ показать связь двух переменных до и после отсечки 2012 г. - то есть с учетом эффекта периода

Две линии это оценки условной связи между электоральным перевесом (Y) и изменением реальных располагаемых доходов (Х):

y(x|D=0) = a + b x + c D

y(x|D=1) = a + b x + c D

где D = 0 до 2011, и D = 1 с 2012 и далее

🥀Будем признательны за советы по тому, как эту иллюстрацию сделать более ясной

@c0ldness